Opencv模板匹配

使用OpenCV和C++来识别彩色图片中的特定物体，如黑桃♠，通常涉及几个步骤：预处理图像、特征提取、对象检测等。下面是一个基本的示例代码，演示如何使用OpenCV的模板匹配方法来识别图片中的黑桃♠。

函数原型

void matchTemplate(InputArray image, InputArray temp, OutputArray result, int method)；void matchTemplate(InputArray image,     // 输入的大图像InputArray templ,     // 输入的模板图像OutputArray result,   // 输出的匹配结果矩阵int method            // 匹配方法
);参数说明:
image: 输入的大图像，它可以是灰度图像或者是彩色图像。
templ: 模板图像，它通常是较小的图像，我们希望在大图像中寻找这个模板的位置。
result: 匹配结果矩阵，输出的是一个二维矩阵，它的大小取决于输入图像和模板的大小，以及所选择的匹配方法。每个元素代表了相应位置的匹配程度。
method: 匹配的方法，有多种可选的方法，包括但不限于：
CV_TM_SQDIFF: 平方差匹配法
CV_TM_SQDIFF_NORMED: 归一化的平方差匹配法
CV_TM_CCORR: 互相关匹配法
CV_TM_CCORR_NORMED: 归一化的互相关匹配法
CV_TM_CCOEFF: 交叉系数匹配法
CV_TM_CCOEFF_NORMED: 归一化的交叉系数匹配法函数作用:
这个函数通过遍历输入图像中的每一个可能的位置，将模板图像与该位置上的图像区域进行比较，计算出一个相似度值。最终，所有的相似度值会被存储在一个矩阵中，这个矩阵就是 result 参数。在不同的匹配方法下，这个矩阵的值有不同的意义。
例如，对于归一化的交叉系数匹配法 (CV_TM_CCOEFF_NORMED)，匹配得分接近于 1 表示非常好的匹配；而对于平方差匹配法 (CV_TM_SQDIFF)，得分接近于 0 表示很好的匹配。使用示例: 如果你想找到一个模板图像在另一张大图像中的位置，你可以使用 matchTemplate 函数并随后分析 result 矩阵来确定最佳匹配位置。对于某些匹配方法，你需要找到矩阵中的最大值；而对于其他方法，则需要找到最小值。

void minMaxLoc(InputArray src, double* minVal, double* maxVal=0, Point* minLoc=0, Point* maxLoc=0, InputArray mask=noArray());
void minMaxLoc(const SparseMat& src, double* minVal, double* maxVal, int* minIdx=0, int* maxIdx=0);
minMaxLoc 是 OpenCV 库中的一个函数，用于查找数组中的全局最小值和最大值，同时也可以找出这些值的位置。此函数适用于多种类型的数组，包括稠密数组和稀疏数组。对于稠密数组（如 Mat 或 Umat）:
void minMaxLoc(InputArray src,       // 输入数组double* minVal,       // 输出指针，指向最小值double* maxVal = 0,   // 输出指针，指向最大值（可选）Point* minLoc = 0,    // 输出指针，指向最小值的位置（可选）Point* maxLoc = 0,    // 输出指针，指向最大值的位置（可选）InputArray mask = noArray() // 可选的掩码数组，用于指定要处理的像素子集
);对于稀疏数组（如 SparseMat）:
void minMaxLoc(const SparseMat& src, // 输入稀疏数组double* minVal,       // 输出指针，指向最小值double* maxVal,       // 输出指针，指向最大值int* minIdx = 0,      // 输出指针，指向最小值的索引（可选）int* maxIdx = 0       // 输出指针，指向最大值的索引（可选）
);参数说明：
src: 输入的数组，可以是多通道的数组。如果是多通道的数组，函数会分别在每个通道上查找最小值和最大值。
minVal: 输出指针，指向最小值。如果不需要这个值，可以传入 nullptr。
maxVal: 输出指针，指向最大值。如果不需要这个值，可以传入 nullptr。
minLoc: 输出指针，指向最小值的位置。对于多通道数组，返回的是通道索引和像素坐标。如果不需要这个位置信息，可以传入 nullptr。
maxLoc: 输出指针，指向最大值的位置。对于多通道数组，返回的是通道索引和像素坐标。如果不需要这个位置信息，可以传入 nullptr。
mask: 可选的掩码数组，用于指定要处理的像素子集。掩码数组应该是单通道的 8 位无符号整型数组。非零值表示对应的像素应该被处理，零值则表示对应的像素被忽略。

rectangle 函数是 OpenCV 库中的一个函数，用于在图像上绘制矩形。这个函数有两种重载形式，一种接受两个顶点来定义矩形的对角线，另一种接受一个 Rect 对象来定义矩形。下面是这两个函数的中文含义及参数说明：void rectangle(Mat& img, Point pt1, Point pt2, const Scalar& color, int thickness=1, int lineType=8, int shift=0);
void rectangle(Mat& img, Rect r, const Scalar& color, int thickness=1, int lineType=8, int shift=0);对于使用两个顶点定义矩形的情况:
void rectangle(Mat& img,       // 要绘制矩形的图像Point pt1,      // 矩形左上角的点Point pt2,      // 矩形右下角的点const Scalar& color, // 矩形的颜色int thickness = 1,   // 线条的厚度，如果为负值，则填充矩形int lineType = 8,    // 线条类型，通常为 8 表示 8 连续性int shift = 0        // 坐标轴的位移量
);
对于使用 Rect 定义矩形的情况:
void rectangle(Mat& img,       // 要绘制矩形的图像Rect r,         // 矩形区域const Scalar& color, // 矩形的颜色int thickness = 1,   // 线条的厚度，如果为负值，则填充矩形int lineType = 8,    // 线条类型，通常为 8 表示 8 连续性int shift = 0        // 坐标轴的位移量
);参数说明：
img: 输入/输出图像，矩形将在其上绘制。
pt1: 矩形左上角的坐标。
pt2: 矩形右下角的坐标。
r: 代表矩形的 Rect 对象。
color: 矩形的颜色，由 Scalar 类型定义。例如 Scalar(0, 0, 255) 表示红色。
thickness: 线条的厚度，单位为像素。默认值为 1。如果设置为负数，例如 -1，则矩形会被填充。
lineType: 线条类型，默认为 8，意味着使用 8 邻域的抗锯齿线条。其他可能的值有 LINE_4, LINE_8, LINE_AA。
shift: 坐标轴的位移量。通常情况下，设置为 0 即可。

//minMaxLoc 函数举例#include <opencv2/opencv.hpp>
#include <iostream>int main()
{cv::Mat image = cv::imread("10.jpg", cv::IMREAD_GRAYSCALE);if (image.empty()){std::cout << "Could not open or find the image" << std::endl;return -1;}double minVal, maxVal;cv::Point minLoc, maxLoc;cv::minMaxLoc(image, &minVal, &maxVal, &minLoc, &maxLoc);std::cout << "Minimum value: " << minVal << " at (" << minLoc.x << ", " << minLoc.y << ")" << std::endl;std::cout << "Maximum value: " << maxVal << " at (" << maxLoc.x << ", " << maxLoc.y << ")" << std::endl;system("pause");return 0;
}

原图

截取模板

代码

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/highgui.hpp>using namespace std;
using namespace cv;int main()
{Mat srcImage = imread("10.jpg", IMREAD_COLOR);//读取源图像Mat templateImage = imread("10_0.jpg", IMREAD_COLOR);//读模板图像if (srcImage.empty() || templateImage.empty()){cout << "读入的图片有空资源！" << endl;}//转化为灰度图、以减少计算复杂度Mat graySrc, grayTemplate;cvtColor(srcImage, graySrc, COLOR_BGR2GRAY);cvtColor(templateImage, grayTemplate, COLOR_BGR2GRAY);//执行模板匹配Mat result;matchTemplate(graySrc, grayTemplate, result, TM_CCOEFF_NORMED);//设定阈值，找到匹配位置double minVal, maxVal;Point minLoc, maxLoc;minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc);//如果匹配得分足够高，则在原图上标出匹配区域int width = templateImage.cols;int height = templateImage.rows;if (maxVal > 0.8)//设置一个阈值，根据实际情况调整{rectangle(srcImage, maxLoc, Point(maxLoc.x + width, maxLoc.y + height), Scalar(0, 0, 255), 2);}//显示结果imshow("源图像", srcImage);imshow("模板图像", templateImage);waitKey(0);return 0;
}

运行结果